​

混合检索（Hybrid Search）

​

检索过程

1. 对查询进行向量嵌入（Embedding）
2. 对已存储的记忆单元执行向量检索（Vector Retrieval）
3. 通过 Tantivy 执行文本检索（Text Retrieval）
4. 可选的图谱扩展（Graph Expansion），使用 graph_depth
5. 可包含共享的组织知识（Organization Knowledge）
6. 将结果合并为一个排序后的响应

​

API 示例

curl -s -X POST "http://127.0.0.1:3000/v1/users/user_123/streams/$STREAM_ID/retrieve" \
  -H "Authorization: Bearer $TOKEN" \
  -H "Content-Type: application/json" \
  -d '{
    "org_id": "default",
    "agent_id": "coding-assistant",
    "query": "How should I help this user with Rust async work?",
    "limit": 10,
    "enable_arbitration": false,
    "min_score": 0.2,
    "graph_depth": 2
  }'

​

常用过滤参数

• org_id：包含组织范围的共享知识
• agent_id：偏向某个智能体的程序性记忆（Procedural Memory）
• start_time 和 end_time：有效时间过滤（Valid-time Filtering）
• as_of：事务时间点过滤（Point-in-time Transaction Filtering）
• graph_depth：从直接匹配的记忆扩展到相关的图谱上下文

​

混合检索优于单模式检索的场景

• 偏好和用户画像召回
• 事实性与程序性混合查询
• 同时需要精确词匹配和语义相似度的查询
• 需要利用图谱邻居或组织知识的检索